如何使用AWS KMS加密Pandas/Spark dataframe中的列
如何使用AWS KMS加密Pandas/Spark dataframe中的列
提问于 2019-06-03 21:37:38
我想要加密我的Pandas (或py/spark)数据帧中一列中的值，例如，获取以下数据帧中的列mobno，对其进行加密并将结果放入encrypted_value列中：
我要使用AWS KMS加密密钥。我的问题是:实现这一目标最优雅的方式是什么？
我正在考虑使用UDF，它将调用boto3的KMS客户端。类似于：
@udf
def encrypt(plaintext):
response = kms_client.encrypt(
KeyId=aws_kms_key_id,
Plaintext=plaintext
)
ciphertext = response['CiphertextBlob']
return ciphertext然后在整个列上应用该udf。
但我不太相信这是正确的方式。这源于这样一个事实:我是一个加密新手--首先，我甚至不知道这个kms_client_encrypt函数是用于加密值(来自列)还是用于操作密钥。也许更好的方法是获得密钥，然后使用一些python加密库(比如hashlib)。
我希望对加密过程有一些澄清，并建议列加密的最佳方法是什么。
回答 1
Stack Overflow用户
发布于 2020-09-23 04:29:41
为了避免在UDF中多次调用KMS服务，请改用AWS Secrets Manager来检索加密密钥，并使用pycrypto来加密列。以下是工作原理：
from pyspark.sql.functions import udf, col
from Crypto.Cipher import AES
region_name = "eu-west-1"
session = boto3.session.Session()
client = session.client(service_name='secretsmanager', region_name=region_name)
get_secret_value_response = client.get_secret_value(SecretId=secret_name)
secret_key = json.loads(get_secret_value_response['SecretString'])
clear_text_column = 'mobo'
def encrypt(key, text):
obj = AES.new(key, AES.MODE_CFB, 'This is an IV456')
return obj.encrypt(text)
def udf_encrypt(key):
return udf(lambda text: encrypt(key, text))
df.withColumn("encrypted", udf_encrypt(secret_key)(col(clear_text_column))).show()或者，使用@Vektor88建议的更高效的Pandas UDF (PySpark 3语法)：
from functools import partial
encrypt_with_key = partial(encrypt, secret_key)
@pandas_udf(BinaryType())
def pandas_udf_encrypt(clear_strings: pd.Series) -> pd.Series:
return clear_strings.apply(encrypt_with_key)
df.withColumn('encrypted', pandas_udf_encrypt(clear_text_column)).show()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56428549
复制相关文章
相似问题
腾讯云开发者
